AI Agent 智能体开发教程：工具调用与可靠工作流

适合谁，怎样开始？

已能完成基础 AI 应用，希望把单次任务组合成有状态、可恢复的工作流程的开发者。

Agent 与固定工作流怎样选择？

固定工作流按明确步骤推进；Agent 可以根据任务和结果提出下一步工具调用。先定义任务边界、完成条件和允许的工具，再判断是否需要动态选择。模型提出操作请求并不代表已经执行成功，最终结果需要从实际状态读回。

工具调用、权限与状态怎样落地？

每项工具明确参数、输出和权限，由服务端校验授权。用状态、输入和结果记录任务进度，中断后从持久记录继续。对写入和外部动作设置稳定标识；结果未知时先读取状态，再决定是否重试，避免重复副作用。

如何证明工作流能够持续运行？

区分可自动恢复的失败与需要人工接管的问题，限制重试次数、运行时间和成本。记录必要的任务版本、耗时、结果与错误，避免把私人材料或密钥写入日志。用重复执行、故障恢复和新输入检查流程，再整理运行与维护说明。

按顺序学习

当前开放 8 个学习单元，阅读方法、完成实践并保存自己的验证记录。

1. 工具调用与权限L4 · 约 12 分钟
2. 状态与步骤编排L4 · 约 15 分钟
3. 异常、重试与人工接管L4 · 约 18 分钟
4. 日志与效果评估L4 · 约 21 分钟
5. 用户与访问控制L4 · 约 12 分钟
6. 部署与配置管理L4 · 约 15 分钟
7. 性能、监控与成本L4 · 约 18 分钟
8. 更新、运维与交付文档L4 · 约 21 分钟

用项目检验方法

从单次任务到可靠系统。按任务步骤完成真实成果，再核查交付记录。

常见学习问题

工具调用失败是否应该一直重试？

应先区分参数、权限、超时、限流和解析失败。只对可恢复问题进行有界重试，未知结果先查实际状态，必要时人工接管。

这里是否提供 MCP 或多智能体完整课程？

目前开放工具调用、权限、状态和可靠工作流的基础学习材料。MCP 协议和多智能体框架的专门课程尚未提供，应以现有课程目录为准。